Imagem de fundo

Uma equipe de ciência de dados de uma prefeitura está utilizando um modelo de classific...

Uma equipe de ciência de dados de uma prefeitura está utilizando um modelo de classificação binária para prever a aprovação de projetos de mobilidade urbana. O desempenho do modelo é avaliado com base em algumas métricas. Considere o seguinte código em Python, que foi executado para calcular as métricas a partir dos rótulos verdadeiros e previstos.


Imagem associada para resolução da questão


Com os dados fornecidos, o código gerou os seguintes resultados: Precisão: 0,80, Recall: 0,80, Fi-Score: 0,80. Com base nessas métricas, o modelo


A

apresenta alta precisão, mas o recall é insuficiente, indicando que ele detecta a maioria dos casos positivos, mas também faz muitas classificações incorretas.


B

apresenta um bom equilíbrio entre precisão e recall, indicando que ele identifica bem os casos positivos e evita erros ao classificar dados negativos.


C

apresenta baixa precisão e recall, indicando que ele frequentemente erra tanto ao prever positivos quanto ao evitar falsos negativos.


D

ótimo para cenários em que precisão não é tão importante quanto recall, como em problemas de emergência pública, pois F1-score é alto.


E

tem precisão aceitável, mas o baixo F1-score sugere um desempenho desequilibrado, com recall bem superior à precisão.